Nghiên cứu này sẽ sử dụng phần mềm chuyên dụng thống kê cho lĩnh vực khoa học xã hội SPSS (Statistical Package for the Social Science). Dữ liệu thu được sẽ được xử lý bằng phần mềm SPSS 20.0. Dữ liệu thu về sẽ được mã hóa, làm sạch, sau đó được phân tích qua các bước:
1) Thống kê mô tả về các dữ liệu thu được, tiến hành thống kê mô tả dữ liệu thu thập được về các điều kiện nhân khẩu học và mức độ cảm nhận của các đối tượng khảo sát về các phát biểu
Phân tích tần suất có mục đích để đo lường các mẫu của người trả lời. Trong phần đầu tiên (giới tính, quốc tịch, nhóm tuổi, trình độ học vấn, số lần đến du lịch ở TP.HCM và mục đích của khách du lịch đến TP.HCM) sẽ phân tích bởi các tần suất và tỷ lệ phần trăm.
2) Đánh giá độ tin cậy của thang đo tiến hành đánh giá thang đo thông qua hệ số tin cậy Cronbach’s Alpha. Thang đo được đánh giá chất lượng tốt khi hệ số Cronbach Alpha của tổng thể lớn hơn 0, 6. Đồng thời, nếu biến nào mà có sự tồn tại của nó làm giảm Cronbach’s Alpha thì sẽ được loại bỏ để Cronbach’s Alpha tăng lên, các biến cịn lại giải thích rõ hơn về bản chất của khái niệm chung đó. Đối với Cronbach’s Alpha thành phần thì hệ số tương quan biến – tổng ≥ 0, 3.
3) Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis): phương pháp này dùng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu, chúng ta thu thập lượng biến khá lớn nhưng các biến có liên hệ với nhau nên có thể gom chúng thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng một số ít nhân tố cơ bản có tác động đến ý định quay trở lại TP.HCM của du khách quốc tế. Để mơ hình EFA đảm bảo khả năng tin cậy, địi hỏi thực hiện các kiểm định chính sau:
Một là, kiểm định tính thích hợp của EFA: sử dụng thước đo KMO (Kaiser – Meyer – Olkin measure) để đánh giá sự thích hợp của mơ hình EFA đối với ứng dụng vào dữ liệu nghiên cứu thực tế. Khi trị số KMO thoả mãn điều kiện: 0, 5 ≤ KMO ≤ 1, 0 (Hồng Trọng và Mộng Ngọc, 2005, p.262). Phân tích nhân tố khám phá được cho là thích hợp với dữ liệu thực tế.
Hai là, kiểm định tương quan của các biến quan sát trong thước đo đại diện: sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa của kiểm định Bartlett nhỏ hơn 0, 05 (sig ≤ 0,05), các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
Ba là, kiểm định mức độ giải thích của các biến quan sát đối với nhân tố: sử dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50%. Ví dụ, phương sai trích là 65%, có nghĩa là 65% thay đổi của các nhân tố được giải thích bởi các biến quan sát. Ngoài ra, các nhân tố phải có hệ số Eigenvalue>1(Kaiser, 1960).
Bốn là, hệ số tải nhân tố (factor loading) của biến nào nhỏ hơn 0.5 sẽ bị loại. Theo Hair & ctg (1998, 111) factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance).
+ factor loading > 0.3 được xem là đạt mức tối thiểu. + factor loading > 0.4 được xem là quan trọng.
+ factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
Hair & ctg (1998, 111) cũng khuyên như sau: nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn factor loading > 0.55, nếu cỡ mẫu vào khoảng 50 thì factor loading phải > 0.75. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố >= 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
4) Phân tích hồi quy đa biến (Multiple Regression Analysis): để mơ hình hồi quy đảm bảo khả năng tin cậy và hiệu quả, ta cần thực hiện ba kiểm định chính sau:
- Kiểm định 1: kiểm định tương quan từng phần của các hệ số hồi quy: mục
đích của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (sig ≤ 0, 05), kết luận tương quan có ý nghĩa thống kê giữa các biến độc lập và biến phụ thuộc. Nếu các nhân tố này có sự tương quan mạnh thì cần xem xét hiện tượng đa cộng tuyến giữa các biến. Vì kiểm định tương quan giữa các biến định lượng (thang metric) nên ta sẽ thực hiện hệ số Pearson với ý nghĩa của hệ số tương quan r như sau:
+ Nếu trị tuyệt đối của r > 0.8: tương quan giữa 2 biến rất mạnh. + Nếu trị tuyệt đối của r = 0.6 – 0.8: tương quan giữa 2 biến mạnh. + Nếu trị tuyệt đối của r = 0.4 – 0.6: tương quan giữa 2 biến trung bình. + Nếu trị tuyệt đối của r = 0.2 – 0.4: tương quan giữa 2 biến yếu.
+ Nếu trị tuyệt đối của r < 0.2: tương quan giữa 2 biến rất yếu.
- Kiểm định 2: mức độ phù hợp của mơ hình: mục tiêu của kiểm định này
nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với các biến phụ thuộc hay khơng. Mơ hình được xem là khơng phù hợp khi tất cả các hệ số hồi quy đều bằng khơng, và mơ hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
- Kiểm định 3: hiện tượng đa cộng tuyến: do bước 1 đã qua phân tích nhân
tố khám phá, các biến độc lập của mơ hình phân tích hồi quy sẽ khơng có hiện tượng đa cộng tuyến. Do đó, khơng cần thiết phải thực hiện kiểm định hiện tượng đa công tuyến. Tuy nhiên, để đảm bảo tính chính xác cao, tránh sai sót trong bước 1, chúng ta cũng cần kiểm định lại hiện tượng đa cộng tuyến giữa các biến độc lập.
Tóm tắt chương 3
Trong chương này, các phương pháp nghiên cứu được sử dụng trong đề tài được trình bày một cách cụ thể chi tiết. Mơ hình nghiên cứu được đề xuất, hiệu chỉnh qua nhiều bước để đạt được mơ hình chính thức cùng với các giả thiết đặt ra. Chương tiếp theo sẽ trình bày các kết quả nghiên cứu đạt được và mơ hình cuối cùng trong đề tài.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Trong chương này, tác giả sẽ trình bày các kết quả thu được từ nghiên cứu này từ cơng cụ phân tích thống kê một cách chi tiết bao gồm: Phần đầu tiên trình bày thống kê mơ tả về các điều kiện nhân khẩu học của khách du lịch đã đến thăm TP.HCM bằng cách phân tích tầng suất (Frequency), đánh giá độ tin cậy của thang đo, kiểm định EFA,và phân tích hồi quy đa biến, tìm ra những mối quan hệ giữa các biến được cung cấp.